مقدمه

تابش هاي مستقيم و غير مستقيم منشا اصلي انرژي حرارتي کره ي زمين است بازتاب آن ها توسط زمين موجب گرم شدن هوا مي گردد. اندازه گيري دما در محيط باز نشان دهنده ي دماي هوا ، دماي ناشي از تابش هاي اجسام مجاور و تابش هاي مستقيم خورشيد است به همين دليل دماسنج ها را در پناهگاههاي هواشناسي قرار مي دهند به طوريکه مخزن آن ها از سطح زمين در ارتفاع مشخصي در حدود ۱۳۵ سانتي متري قرارداشته باشند. به اين ترتيب دماي هواي بدست آمده در نقاط مختلف با يکديگر قابل مقايسه هستند و تحت تاثير تابش هاي مستقيم يا غير مستقيم نمي باشند. از جمله عوامل موثر در دماي يک منطقه عرض جغرافيايي، ارتفاع، جريان هاي دريايي، فاصله از دريا، باد، جهت و پوشش ابري مي باشند.

حال با توجه به عوامل ذکر شده براي پيش بيني دما روش هاي گوناگوني به کاربرده شده است طوري که در پي ساليان متمادي تحقيق و پژوهش، روشهاي گوناگوني در زمينه پيش بيني پيشنهاد گرديدند که مي‌توان آنها را در دو گروه روش هاي کلاسيک و اکتشافي مدرن طبقه بندي کرد روشهاي کلاسيک بر پايه ي احتمالات و مدل رياضي عمل مي‌کنند ولي روش هاي اکتشافي هوشمند، از سيستم هاي مبتني بر شبکه هاي عصبي، منطق فازي، الگوريتم هاي تکاملي و ترکيبي از روشهاي هوش مصنوعي تشکيل شده است. مزيت اصلي روش هاي اکتشافي مدرن در اين است که به طراح در دستيابي به سيستمي ديناميک و غير خطي کمک مي کنند، و همچون متد هاي کلاسيک نيازي به پيشنهاد يک الگو ندارند و هيچ فرضي درباره ماهيت توزيع داده هاي مشاهده شده در آنها به چشم نمي خورد. حتي در مواقعي که با مشکل داده هاي مفقود شده مواجه مي شويم، بر خلاف روش هاي کلاسيک، در متد هاي اکتشافي مدرن مي توان اين نقيصه را تا حدودي برطرف نمود. اما شايد مهمترين برتري اکتشافي مدرن در اين باشد که عناصر ذهني و انساني را در طراحي راه حل مسئله کنار مي گذارد، امري که در روش هاي کلاسيک يکي از ارکان اصلي در پياده سازي سيستم محسوب مي‌گردد. در حالي که روش هاي اکتشافي مدرن بدون داشتن هيچ فرضي از مسئله، با کمک داده هاي مشاهده شده و ساختار هاي هوشمند نظير شبکه هاي عصبي، و يا بر اساس دانش انسان خبره در سيستم هاي مبتني بر منطق فازي سعي در مدل کردن مسئله در يک بلاک بسته دارند.